第四章单元测试
下述机器学习方法中可以用于降维的是
如果研究者想探讨影响小麦亩产量的因素，采集了若干个样本的各个指标（温度、灌溉量、光照强度、施肥量），则下列哪种方法适合研究本问题？
随机森林算法叙述正确的是
下列关于决策树算法的论述错误的是
下列关于判别分析叙述正确的是
朴素贝叶斯分类器的基本算法步骤包括
K最近邻（KNN)分类器的基本算法步骤包括
本章机器学习高级话题中涉及的提升模型算法性能的策略包括调参、交叉验证和采用合理的评价指标。
A:决策树 B:PCA C:Kmeans聚类 D:KNN
答案:PCA
A:一元线性回归 B:PCA C:聚类分析 D:多元线性回归分析
答案:多元线性回归分析
A:采用投票法(少数服从多数)确定最终类别归属 B:随机选择训练样本(行采样) C:是一种集成学习算法 D:随机选择部分特征(列采样)
答案:采用投票法(少数服从多数)确定最终类别归属###随机选择训练样本(行采样)###是一种集成学习算法###随机选择部分特征(列采样)
A:决策树基本思想是贪心算法，它以自顶（根节点）向下递推生成的方式构造决策树。 B:ID3算法的属性选择度量就是使用信息增益，选择最小信息增益的属性作为当前节点的测试属性。 C:条件熵H(Y|X)表示在已知特征X的条件下，类别Y的不确定性的度量 D:熵可用于描述信息的不确定性或混乱程度，信息的不确定性越大则熵越大，反之越小
答案:ID3算法的属性选择度量就是使用信息增益，选择最小信息增益的属性作为当前节点的测试属性。
A:Fishser线性判别分析的基本思想是投影 B: 利用已知类别的样本建立判别模型，对未知类别的样本进行分类 C:是多元分析中用于判别样本所属类型的一种统计分析方法 D:Fishser线性判别分析（Linear Discriminant analysis, LDA）由R.A.Fisher 于1936年提出
答案:Fishser线性判别分析的基本思想是投影### 利用已知类别的样本建立判别模型，对未知类别的样本进行分类###是多元分析中用于判别样本所属类型的一种统计分析方法###Fishser线性判别分析（Linear Discriminant analysis, LDA）由R.A.Fisher 于1936年提出
A:比大小：计算后验概率，归入最大后验概率类 B:定问题：确定为分类（类标签已知）问题 C:算概率：计算所有朴素贝叶斯公式中的“零部件”概率
答案:比大小：计算后验概率，归入最大后验概率类###定问题：确定为分类（类标签已知）问题###算概率：计算所有朴素贝叶斯公式中的“零部件”概率
A:算距离：给定测试对象，计算它与训练集中的每个对象的距离 B:找邻居：圈定距离最近的k个训练对象，作为测试对象的近邻 C:做分类：根据这k个近邻归属的主要类别，来对测试对象分类
答案:算距离：给定测试对象，计算它与训练集中的每个对象的距离###找邻居：圈定距离最近的k个训练对象，作为测试对象的近邻 ###做分类：根据这k个近邻归属的主要类别，来对测试对象分类
A:对 B:错
答案:对
